Facilitators and barriers to using AI-enabled robots with older adults in long-term care from staff perspective: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Assistive and service robots have been increasingly designed and deployed in long-term care (LTC) but little evidence guides their use. This scoping review synthesises existing studies on facilitators and barriers to using artificial intelligence (AI)-enabled robots with older adults in LTC settings. METHODS AND ANALYSIS: We will follow the Joanna Briggs Institute's scoping review methodology for the study, to be conducted from November 2023 to April 2024. We will focus on literature exploring the use of AI-enabled robots with older adults in an LTC setting from healthcare providers' perspectives. Three steps will be taken: (a) keywords and index terms will be identified from MEDLINE and CINAHL databases; (b) comprehensive searches will be conducted in MEDLINE, CINAHL, Embase, Web of Science, Scopus, AgeLine, PsycINFO, ProQuest and Google, using keywords and index terms identified in step (a); and (c) examining reference lists of the included studies and selecting items in the reference lists which meet the inclusion criteria. Searches for grey literature will also be conducted via Google. The results will be presented in a charting table and a narrative summary will be presented in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews checklist. ETHICS AND DISSEMINATION: Ethics approval and participation consent are not required because the data are publicly available. The results will be presented via a journal article and conference presentations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,143 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,011 | 0,014 |
| Bibliométrie | 0,019 | 0,013 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,012 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».